పరిమిత మొత్తంలో ప్రసారం చేయబడిన సమాచారంలో అధిక వాయిస్ నాణ్యతను సాధించే లక్ష్యంతో Google Lyra 1.3 ఆడియో కోడెక్ విడుదలను ప్రచురించింది. లైరా కోడెక్ని ఉపయోగించి 3.2 kbps, 6 kbps, మరియు 9.2 kbps బిట్రేట్ల వద్ద ప్రసంగ నాణ్యత ఓపస్ కోడెక్ని ఉపయోగించి 10 kbps, 13 kbps మరియు 14 kbps బిట్ రేట్లకు అనుగుణంగా ఉంటుంది. ఈ సమస్యను పరిష్కరించడానికి, సౌండ్ కంప్రెషన్ మరియు సిగ్నల్ మార్పిడి యొక్క సాధారణ పద్ధతులతో పాటు, లైరా మెషీన్ లెర్నింగ్ సిస్టమ్ ఆధారంగా స్పీచ్ మోడల్ను ఉపయోగిస్తుంది, ఇది సాధారణ ప్రసంగ లక్షణాల ఆధారంగా తప్పిపోయిన సమాచారాన్ని మళ్లీ సృష్టించడానికి మిమ్మల్ని అనుమతిస్తుంది. రిఫరెన్స్ కోడ్ అమలు C++లో వ్రాయబడింది మరియు Apache 2.0 లైసెన్స్ క్రింద పంపిణీ చేయబడింది.
కొత్త న్యూరల్ నెట్వర్క్ ఆర్కిటెక్చర్కు బదిలీ చేయబడిన అక్టోబర్లో సమూలంగా పునఃరూపకల్పన చేయబడిన లైరా 1.2 విడుదల కాకుండా, వెర్షన్ 1.3 నిర్మాణ మార్పులు లేకుండా మెషిన్ లెర్నింగ్ మోడల్ను ఆప్టిమైజ్ చేసింది. కొత్త వెర్షన్ బరువులను నిల్వ చేయడానికి మరియు అంకగణిత కార్యకలాపాలను నిర్వహించడానికి 32-బిట్ ఫ్లోటింగ్ పాయింట్ నంబర్లకు బదులుగా 8-బిట్ పూర్ణాంకాలను ఉపయోగిస్తుంది, దీని ఫలితంగా పిక్సెల్ 43 ప్రో స్మార్ట్ఫోన్లో పరీక్షించినప్పుడు మోడల్ పరిమాణంలో 20% తగ్గింపు మరియు మోడల్ పనితీరులో 6% త్వరణం లభిస్తుంది. . అదే సమయంలో, ప్రసంగ నాణ్యత అదే స్థాయిలో నిర్వహించబడుతుంది, అయితే ప్రసారం చేయబడిన డేటా యొక్క ఫార్మాట్ మార్చబడింది మరియు మునుపటి విడుదలలకు అనుకూలంగా లేదు.
మూలం: opennet.ru